- Tytuł:
-
Analiza popytu w przemyśle hutniczym - zastosowanie modelu ze zmiennymi ukrytymi
Analysis of demand in steel and iron industry – latent variables model - Autorzy:
- Barska, Magdalena
- Powiązania:
- https://bibliotekanauki.pl/articles/1046654.pdf
- Data publikacji:
- 2019-04-30
- Wydawca:
- Główny Urząd Statystyczny
- Tematy:
-
prognozowanie
popyt
zmienne ukryte
modele ukrytych łańcuchów markowa
forecasting
demand
latent variables
hidden markov models - Opis:
-
Na popyt w przemyśle hutniczym wpływa wiele czynników. Nie wszystkie można zidentyfikować i zmierzyć. W artykule przedstawiono wyniki analizy popytu dla wybranego przedsiębiorstwa w latach 2010–2014. Celem przedstawionego badania jest budowa ukrytego modelu łańcuchów Markowa, który odzwierciedli punkty zwrotne zapotrzebowania na wyroby hutnicze oraz umożliwi prognozę wielkości tego zapotrzebowania. Zbadano własności prognostyczne i stabilność modelu. Przeprowadzono symulację polegającą na wygenerowaniu dużej liczby szeregów dla zadanych parametrów modelu i sprawdzeniu ich własności. Najlepiej dopasowanym modelem okazał się trójstanowy model ukrytych łańcuchów Markowa. Za jego pomocą opisano stany potencjalnie kształtujące wielkość popytu. Uwzględnienie stanu przejściowego pozwoliło uchwycić sygnał nadchodzącej zmiany pomiędzy fazami wzrostu i spadku. Zaproponowany model ukrytych łańcuchów Markowa drugiego rzędu może być alternatywą dla tradycyjnych metod analizy szeregów czasowych. Wyznaczona prognoza informuje o kształtowaniu się trendu i stanowi wskazówkę co do punktów zwrotnych koniunktury.
Demand in the steel and iron industry is influenced by multiple factors. Not all of them can be identified and measured. The paper presents the results of the analysis of the levels of demand achieved by a selected enterprise from this sector in the years 2010-2014. The aim of the study is to build a hidden Markov model which would reflect the turning points of this demand, thus making it possible to forecast its future levels. The model's forecasting properties and stability have been examined. A simulation has been carried out that involved generating a high number of series for selected model parameters and checking their properties. This demonstrated that a three-state second order hidden Markov model was most relevant to the purpose of the study. Thanks to the model's application, it was possible to describe states which could potentially shape the demand. Moreover, taking the transition state into consideration allowed spotting the signal about the upcoming replacement of the growth phase with the decline phase, and vice versa. The presented second order hidden Markov model can serve as an alternative to the traditional methods of the analysis of time series. The forecast generated by the model informs about the shaping of a trend in demand and serves as an indication of the shifts in economic cycles. - Źródło:
-
Przegląd Statystyczny; 2019, 66, 4; 247-269
0033-2372 - Pojawia się w:
- Przegląd Statystyczny
- Dostawca treści:
- Biblioteka Nauki
Artykuł